1.1 C’est quoi Cerise ?

CERISE : Consolidation Et Restitution de l’Information StatistiquE

Cerise contient l’ensemble des données et des programmes R utilisés par le SSM Agriculture.

Cerise est une plateforme qui repose sur la solution “Posit Workbench” commercialisée par la société du même nom “Posit”. Elle offre une interface web pour utiliser RStudio dans un environnement multi-utilisateurs et sécurisé.

Cerise est articulé autour de 3 machines virtuelles (VM) accessibles via votre navigateur :

• VM1 : accès général à tous les agents du SSM
  
• VM2 : accès réservé Demesis et traitements gourmands en ressources
  
• VM3 : accès réservé aux opérations particulières (RA / RICA …)

URL à faire figurer dans vos favoris : https://rstudio.agriculture.rie.gouv.fr/

1.2 Avantages de Cerise

Cerise présente plusieurs avantages :

• Accès aux données du SSM Agriculture (enquêtes, nomenclatures, fichiers externes…)
  
• Montée de versions régulière (Workbench / R / Packages)
  
• Sécurité /conformité
  
• Support Centre de Service et assistance BQIS garantis

1.3 Ressources Cerise

• 160 Go RAM
  
• 30 processeurs virtuels
  
• Plus de 400 utilisateurs distincts
  
• 80 sessions simultanées en moyenne

Des admins Cerise qui vous surveillent

1.4 Mises à jour Cerise

• R

  • Une montée de version annuelle de R_Base
    Le DéMéSIS met à disposition 2 versions de R_base :

    • Suppression de la version la plus ancienne présente l’année N-1 sur CERISE
    • Reconduction de la version la plus récente présente l’année N-1 sur CERISE
    • Ajout de la dernière version stable mise à disposition sur le CRAN

• RStudio
  Dernière version stable mise à disposition par l’éditeur (au moment de la réalisation de septembre/octobre de l’année N-1)

• Packages

  • La liste des packages R valides et compatibles à une date donnée sont mis à disposition dans le Data Center du MASA.
  • Une liste pré-établie de packages est préinstallée sur CERISE pour chacune des version R_Base

1.5 Cerise en 2025

1.6 Organisation de Cerise (1/2)

Cerise est organisé en plusieurs répertoires :

• 00-Espace-Personnel => espaces personnels des agents, accessible par l’agent uniquement

• 01-Espace-de-Partage => lieu de partage général (programmes/formation/outils…) entre les différents acteurs

• 02-Espace-de-Production => plateforme de stockage des données brutes collectées, ainsi que des fichiers de données et programmes issus des traitements statistiques réalisés par l’équipe projet (voir image plus loin)

• 03-Espace-de-Diffusion => mise à disposition au sein du SSM des données issues des traitements statistiques réalisés en amont

=> Ces deux derniers espaces sont découpés par opérations statistiques

• 04-Espace-Echanges => stockage des fichiers de données à transmettre aux autres applications du SI CASSIS (par exemple Agreste) ainsi qu’aux SI des partenaires extérieurs

1.7 Organisation de Cerise (2/2)

1.8 Focus sur l’espace de production (1/2)

070_Production_lait/
070_Production_lait/7010_Conj_lait
070_Production_lait/7010_Conj_lait/EML_2018
070_Production_lait/7010_Conj_lait/EML_2019
070_Production_lait/7010_Conj_lait/EML_2020
070_Production_lait/7010_Conj_lait/EML_COLLECTE
070_Production_lait/7010_Conj_lait/EML_ESTIM
070_Production_lait/7010_Conj_lait/Programmes
...

1.9 Focus sur l’espace de production (2/2)

Les différents groupes d’habilitations disposent des droits suivants :

• Utilisateur standard : aucun
  
• Chargé d’études : lecture
  
• Producteur de données : lecture/écriture
  
• Administrateur : lecture/écriture

1.10 Accéder facilement à son espace personnel

L’accès à l’espace personnel de Cerise peut être difficile lorsque vous êtes “perdus” dans l’arborescence riche de Cerise. Voici ci-dessous comment faire pour y accéder rapidement.

Remarque : soyez économe dans l’utilisation de votre espace personnel. A ne réservez que pour des expérimentations. Pas de recopie de données…

1.11 Remarques et astuces sur Cerise

• Pas d’explorateur de fichiers comme Windows sous Cerise. La navigation dans l’arborescence se fait via le menu “Fichiers” ou “Files” de RStudio.
  
• Pour sélectionner une version R_Base, il faut la sélectionner en haut à droite dans la fenêtre RStudio

• Pour éviter le risque de perdre du code R pendant une interruption Cerise, il est recommandé de cocher ces 2 cases accessibles dans le menu de RStudio > Outils > Options globales > Onglet Sauvegarder

2.1 Cerise, un espace partagé

Comme tout espace partagé et mutualisé, il convient d’être économe en ressources sur Cerise.

Le DEMESIS a principalement 2 métriques en tête :

• La consommation de mémoire vive (RAM) : utile pour stocker les données en cours de traitement dans les sessions R.
  
• La consommation de CPU (precesseur) : reflète l’intensité des calculs demandés par une session R.

2.2 Gestion des ressources par les utilisateurs (1/2)

Voici quelques conseils pour limiter la consommation de mémoire sous Cerise :

• Désactiver la sauvegarde automatique des éléments de session

2.3 Gestion des ressources par les utilisateurs (2/2)

• Nettoyer régulièrement sa mémoire vive

Utiliser la fonction gc() pour libérer la mémoire occcupée inutilement par votre session.
Ou via l’interface de RStudio :

Voir cette page d’utilitr pour en savoir plus.

• Pour les données volumineuses, privilégier le format de fichier Parquet (voir plus loin) Voir ici pour en savoir plus et/ou vous inscrire aux annonces de formation du BQIS.

2.4 Gestion des sessions (1/2)

• Quand vous vous connectez sur Cerise via l’adresse fournie - si vous n’avez qu’une session d’ouverte - Cerise vous place directement dedans (vous arrivez donc dans l’interface RStudio).

• A partir de 2 sessions ouvertes, lorsque vous vous connectez à Cerise, vous allez arriver sur l’écran de gestion des sessions :

2.5 Gestion des sessions (2/2)

• Dans la colonne de gauche de l’écran des sessions, vous trouverez vos sessions ouvertes.
  
• Dans la colonne de droite de l’écran des sessions, vous trouvez les différents projets que vous récemment utilisés.

Chaque session est indépendante des autres. Si vous avez lancé un long traitement dans une session, celle-ci est occupée et non-réactive le temps du traitement, mais vous pouvez continuer à travailler normalement dans les autres sessions.

2.6 Chargement/Téléchargement de fichiers Cerise (1/2)

• Pour charger vers Cerise des fichiers depuis votre poste en local :

Cliquer sur le bouton “upload” dans l’onglet “Files”

• Pour télécharger depuis Cerise vers votre poste en local :

Cliquer sur la roue crantée dans l’onglet “Files”

2.7 Chargement/Téléchargement de fichiers Cerise (2/2)

• Si vous souhaitez charger plusieurs fichiers en même temps sous Cerise, faire un fichier ZIP.
  Son contenu sera ensuite automatiquement dézippé sous Cerise.

• Si vous souhaitez télécharger plusieurs fichiers depuis Cerise, RStudio Server va automatiquement les joindre dans un fichier ZIP sur votre poste en local.

2.8 Restauration des fichiers

• Offre de sauvegarde du centre de service (CDS)

  • Sauvegarde complète le vendredi soir
    
  • Sauvegarde différentielle les autres jours (Lun./Mar./Mer./Jeu. soir)

• Les sauvegardes différentielles ne sont conservées que 15 jours calendaires

• Des demandes de restauration délicates voire impossibles :

  • Délais de remontée du besoin métier
    
  • Délais de prise en charge du centre de service

2.9 Versionner votre code

Une bonne pratique pour limiter les demandes de restauration de fichiers est de versionner avec Git vos scripts et programmes R.

Git permet :

• D’obtenir de la traçabilité
  
• De travailler collectivement
  
• De faire des revues de code
  
• De revenir en arrière dans le temps…

Un module de formation est disponible à cette adresse, n’hésitez pas à vous y inscrire !

2.10 Utilisation du mode projet

Il est recommandé d’utiliser le mode projet le plus souvent possible.
Plusieurs avantages :

• Organisation claire
  
• Gestion des chemins d’accès portable
  
• Reproductibilité
  
• Isolation des environnements (avec renv)
  
• Intégration avec Git …

2.11 Comparatif des formats de fichier de données

2.12 Recommandations selon le contexte

2.13 Résumé des propriétés des différents formats

• CSV
  Très facile à manipuler manuellement, mais inefficace pour les gros volumes.
  Pas de support natif pour les types de données (dates, facteurs).
  I/O très lente en R pour de grands volumes.
  
• Parquet
  Requiert le package “arrow” en R.
  Lecture partielle possible (par colonne ou ligne).
  Excellent pour la mutualisation, le cloud, ou les flux inter-langages (Python, Spark…).
  
• RData
  Sauvegarde plusieurs objets, utile pour des environnements complexes.
  Inadapté pour charger sélectivement un seul objet dans un gros fichier.
  
• RDS
  Format natif optimisé pour un seul objet R.
  Très bon compromis pour la persistance simple et performante en R pur.

3.1 Habilitations

La majorité des espaces présents sous Cerise sont soumis à des régimes d’habilitations.

Pour les nouveaux arrivants, ce sont les responsables hiérarchiques qui demandent les habilitations sur l’ensemble des outils.

La procédure à suivre est disponible sous Pistache sur cette page.

Pour toutes les autres habilitations supplémentaires au fil de l’eau qui concernent Cerise, vous pouvez faire une demande à la BAL d’assistance : assistance.si-stat.sg@agriculture.gouv.fr

3.2 Matrice des habilitations

3.3 Rendre un dossier (ou un fichier) modifiable par vos collègues

Des ACL (Access Control List) sont appliqués dans Cerise.
Il s’agit d’un mécanisme de gestion des droits qui permet de définir qui peut accéder à quelles ressources et avec quels niveaux de permissions.

Côté utilisateurs, cela implique quelques règles d’usage à suivre - pour éviter notamment la non-modification d’un dossier/fichier par vos collègues.

4.1 Demander de l’aide sur Cerise - Qui ?

Les demandes d’assistances et les remontée de bugs sont à adresser à : assistance.si-stat.sg@agriculture.gouv.fr.

• Directement par mail;
  
• Via cette page en cliquant sur le bouton :

4.2 Demander de l’aide sur Cerise - Comment ?

Essayez autant que possible de suivre les conseils contenus dans cette page ou celle-ci avant de poser votre question.

Votre demande sera d’autant plus vite traitée que celle-ci sera facilement reproductible par l’équipe d’assistance.

4.3 Mise à disposition plateforme de test

Cerise PPRD : https://rstudio-pprd.agriculture.rie.gouv.fr

Objectif :
- Test des programmes sur la nouvelle version de R à venir
- Montée de version des packages et mise à jour des programmes le cas échéant

Contexte de test :
- Habilitations : Iso-production
- Système de fichiers / arborescence couramment synchronisé avec Cerise de PROD
- Tests ouverts à tous les utilisateurs Cerise

5.1 Onyxia - SSP Cloud

• Onyxia : une plateforme open source de traitement de données moderne développée par l’Insee

• SSP Cloud : une instance d’Onyxia déployée, maintenue et opérée par le SSP (Service Statistique Public)

5.2 Avantages d’Onyxia

Un Datalab dimensionné pour les usages innovants

5.3 Remarques

• Le Datalab est une plateform mutualisée : les ressources utilisées par les services sont partagées entre les différents utilisateurs.

• Pas de sauvegarde “classique” du code informatique dans le Datalab => l’utilisation du contrôle de version avec Git est obligatoire.

• Même chose pour le stockage des données : la solution de stockage de fichiers associée au Datalab est MinIO, un système de stockage d’objets basé sur le cloud, compatible avec l’API S3 d’Amazon.

5.4 Aperçu du catalogue de services

5.5 Un espace dédié à l’expérimentation

• Travail uniquement sur des données ouvertes et non sensibles
  
• Hébergement d’hackatons
  
• Déploiement de dataviz’
  …

5.6 Bibliographie

• La documentation du SSP Cloud est accessible sur cette page.